Kanti Prabha，Sirion 联合创始人兼总裁——专访

Kanti Prabha是企业技术领域的领导者，担任 Sirion 联合创始人兼总裁，拥有二十余年经验，涉足产品开发、法律科技、知识产权、运营和 SaaS。作为 Sirion 创始团队的一员，她在塑造公司的产品愿景、设计和开发方面发挥了核心作用，曾担任产品管理副总裁和首席运营官等领导职务，之后出任总裁。她擅长打造企业级 B2B SaaS 产品，制定产品战略并负责产品管理、客户成功和企业销售，还具备扩充团队、塑造组织文化的丰富经验。在职业生涯早期，Prabha 是 UnitedLex 的首位员工及创始团队成员，曾为企业法务部门开发技术驱动型解决方案并负责知识产权项目；此前，她还曾在 Evalueserve 从事专利服务工作。她目前也担任 akirolabs 顾问，过去曾为 Clarisights 提供顾问服务。

Sirion是一家由 AI 驱动的合同生命周期管理（CLM）公司，帮助企业管理合同从起草、谈判到履约、义务管理和价值实现的整个过程。其平台融合了对话式 AI 和专用 AI 智能体，可集中管理并构建结构化合同库、回答有关合同条款的问题、生成和审查协议、识别风险、提出修订建议，以及监控合同义务和服务级别协议。Sirion 正逐步通过 agentOS 平台将技术定位于智能体式合同管理。该平台支持企业部署预构建的合同管理智能体，也允许企业创建与其数据和工作流相连接的定制智能体。该平台面向大型组织，旨在帮助它们将合同从静态文档转变为结构化、可搜索的运营情报来源，同时确保治理机制和人工监督。

你创立 Sirion 的经历颇不寻常：你学习化学，转而从事知识产权法，参与专利工作，随后在 Hewlett-Packard 工作期间开始以不同的眼光看待合同。早期的这些经历让你意识到了什么，最终又是什么促使你确信其中蕴藏着创立 Sirion 的机会？ 

我从未想过自己会创办一家围绕合同开展业务的公司。我学的是化学，但很快就意识到，比起在实验室度过整个职业生涯，我更想解决商业问题。后来，我进入知识产权领域，从事专利工作，并带领团队为大型企业开发技术和法律解决方案。

真正的转折点出现在我和 Sirion 联合创始人 Ajay 开始与 HP 合作时。HP 在一次大型收购后有数千份合同亟待整理和管理。起初，我们认为这是一个合同归档问题，但仔细审视合同后，我们很快发现，存储只占整个机会的一小部分。合同揭示了一家公司买了什么、卖了什么、承诺了什么、供应商承诺了什么、公司支付了多少、存在哪些风险，以及价值可能在哪些环节流失。然而，企业几乎无法轻松利用这些信息。这正是 Sirion 创立背后的洞见：合同是一个尚未得到充分利用的商业情报来源。

你曾将合同描述为组织内部的一种“流动的智能”。合同中通常蕴含哪些有价值的信息？AI 又如何让法务以外的团队——包括财务、采购、销售和运营团队——也能利用这些信息？ 

合同是少数几种能够将公司的意图真正转化为承诺的载体之一。合同会说明各方同意支付什么、客户同意购买什么、价格何时可以调整、必须达到哪些服务级别、协议何时续约、有人未能履约时会发生什么，以及各方分别承担哪些义务。这些信息极具价值，但过去一直埋藏在文件中，大多数人只有在需要谈判或出了问题时才会打开这些文件。

AI 改变了这一状况，因为它能将非结构化的合同文本转化为企业其他部门可以实际利用的信息。采购团队可以了解供应商的义务和定价；财务团队可以查看商业承诺和潜在收入流失；销售团队可以掌握续约条款和对客户作出的承诺；运营团队则可以监控实际交付是否符合承诺。

这就是我所说的让合同情报流动起来。信息不再只是留在 PDF 文件里，而是可以流入最需要它的决策和系统中。合同也不再是交易的终点；流动的智能让合同成为企业运营过程中持续发挥作用的背景信息来源。

Sirion 已从合同生命周期管理软件发展为一个日益由 AI 驱动的平台。与公司创立之初可用的机器学习方法相比，大语言模型的出现让合同数据的处理在技术上有哪些新的可能？

Sirion创立之初，人工智能在合同领域的应用主要集中于信息提取和分类。机器学习可以非常擅长识别条款、日期、当事方名称或义务，但要让模型胜任这些工作，必须针对相对具体的任务进行训练。

大语言模型极大拓展了推理能力。如今，系统能够理解以自然语言提出的问题，解读条款周围的语境，将合同措辞与公司的首选立场进行比较，解释某项内容为何构成风险，并建议下一步该怎么做。

但我不认为大语言模型会取代此前的一切，合同过于复杂，无法如此简单地处理。在 Sirion，我们采用多模型方法，将大语言模型与专用模型以及深度合同智能相结合。不同模型各有所长。这种组合十分重要，因为企业需要的不只是能够生成有说服力文字的人工智能，更需要准确性。最令人振奋的变化是，我们能够从提取合同信息，转向对这些信息进行推理，并日益据此采取行动。

Sirion目前正在合同信息提取、问题检测、红线修订以及大型合同库检索等任务中引入专用人工智能代理。您设想这些代理将如何协同工作？最终，企业应允许人工智能在合同流程中自主行动到何种程度？           

我不认为未来会由一个包办一切的超级人工智能代理主导。合同拟定涉及许多专门任务，每项任务所需的背景信息和判断程度各不相同。一个代理可以从数千份协议中提取条款；另一个可以识别偏离政策的措辞；然后，红线修订代理可以根据公司的操作手册提出精确的修改建议。真正的强大之处在于，这些代理能够围绕一个目标协同工作，而不是迫使用户逐一管理每个步骤。

例如，有人可能会问：“我们可以接受这份供应商协议吗？”系统应该能够找出最相关的条款，将其与政策进行比较，指出问题，查找先例并提出修改建议，同时说明它做了什么以及为什么这样做。

自主权应止于何处，取决于风险。对于许多重复性、遵循规则的操作，我愿意让人工智能自主处理。但新颖的责任条款或具有战略重要性的谈判，可能需要人来判断。自主化的最终目标应是减少不必要的工作，同时在人类问责和关系维护至关重要的环节保留人工控制。

合同可能包含公司最敏感的商业和法律信息。您曾表示，Sirion宁可推迟产品发布，也不愿在安全方面妥协。随着生成式人工智能进一步融入企业工作流程，您最担心哪些安全或隐私方面的妥协做法？

合同可能包含定价、知识产权、员工信息、收购详情、战略承诺，以及有关客户和供应商的极其敏感信息。人工智能系统接触这些信息时，企业必须确切了解信息会被传到哪里、如何处理、谁能访问，以及是否会被用于训练其他模型。

当前，企业面临着尽快推出人工智能功能的巨大压力，但我最担心的捷径，是把企业数据当作普通的训练材料。我理解这种压力，但企业级人工智能不能建立在“治理以后再补”的想法之上。安全必须从一开始就纳入架构设计。

这意味着要实施严格的访问控制、加密和可审计机制，明确划定数据边界，并审慎决定如何使用第三方模型。在 Sirion，我们确实做过一些因安全要求而放慢进度的决定，我也接受这样的取舍。在企业软件领域，尤其是在处理合同时，信任需要多年才能建立，却可能因一次草率的决定而受损。

生成式人工智能长期面临的一项挑战是，即使回答有误，听起来也可能煞有介事。在合同智能领域，一个细微错误就可能造成财务或法律后果。您如何设计人工智能系统，让用户能够核验其结果并信任它？ 

这是消费级人工智能与企业级人工智能之间最重要的区别之一。如果我向人工智能助手询问餐厅推荐，而它给出的信息有误，后果有限。但如果法务团队询问5,000份供应商合同中是否包含某项特定的终止权，而系统却信心十足地漏掉其中200份，那就是完全不同的问题。

我们的设计以可核验性为核心。如果人工智能告诉你某项合同信息，你应该能够追溯到作为依据的合同原文。如果它建议进行红线修订，你应该能够了解这一建议依据了哪项政策或操作手册立场。可解释性是用户采纳的基础，因为信任源于人工智能的过程可以被检查。

Sirion强调，AI给出的回答应以组织自身的合同和先例为依据，而不能只依赖通用模型。您认为，企业AI发展的下一个重要阶段，是否将越来越由结合基础模型与高度专业化的企业专有数据的系统推动？

当然。基础模型的能力极其强大，但它们并不了解贵公司具体如何运作。它们不会自动知道贵公司的法务团队去年批准了哪些让步、贵公司如何为战略客户制定价格、哪些供应商屡次未能达到服务水平，或贵公司在什么情况下要求升级处理。正是这些背景信息，才能真正发挥企业AI的作用。

将合同中关于组织间决策和承诺的丰富记录，与企业独有的政策、谈判手册、历史协议和运营数据结合起来，AI系统就能从给出泛泛的回答，转而给出符合企业实际运作方式的回答。我认为，随着大多数企业都已能使用类似的基础模型，企业AI的竞争优势将越来越取决于这些背景信息。真正的差异化因素，在于企业能否有效地将模型与可信的专有信息相连接，并提供足够的背景信息，使模型能够准确推理，同时不损害安全性。

您花了十多年时间打造Sirion，历任产品、运营和公司领导等多个岗位。关于如何扩大企业级AI软件的规模，您有哪些经验，是在公司创立最初几年时还无法理解的？

我学到的一点是，开发技术有时反而是容易的部分。真正的阻力出现在你开始改变大型组织的运作方式时。在早期，你自然会关注产品能否解决问题。到了企业级规模，你会意识到，技术上再出色的答案，只有在员工信任它、它能融入现有工作流程，并且能够应对全球性组织的庞大复杂性时，才真正有用。

AI让这一点变得更加重要。如今，你可以非常迅速地制作出令人印象深刻的演示。要打造一个企业愿意托付数百万个数据点和工作流程的系统，则是另一回事。

随着AI能够持续分析数千份协议中的义务、风险、定价条款、续约和履约情况，合同最终能否成为企业的实时运营数据层，而不再只是出了问题才会查阅的文件？

我认为，这正是我们前进的方向。长期以来，人们一直把合同视为终点。各方谈判、签署、庆祝，随后文件便被存入资料库。六个月后，有人因为发生争议、需要续约，或想确认曾作出什么承诺，才会重新打开合同。当AI能够持续了解整个合同组合中正在发生的事情时，这种模式就说不通了。

理想情况下，可以设想在批准下一张发票之前，就知道某个供应商未能达到SLA；或者发现某项价格调整本应在三个月前执行。还可以设想，销售团队收到即将续约的提醒时，同时看到客户谈妥的承诺；财务部门则能在自己的系统中直接看到商业义务。

合同界定了公司之间的关系，因此合同数据应当与实际管理这些关系的系统相连接。我认为，合同将越来越成为一个运营数据层，帮助企业了解的不仅是自己同意了什么，还有这些协议是否带来了所有人所期待的价值。

展望未来，随着AI智能体的能力大幅提升，您认为合同管理会变成什么样？传统的合同生命周期管理（CLM）类别最终会融入更广泛的企业智能层吗？您认为Sirion将在这一转型中扮演什么角色？ 

我希望随着时间推移，CLM的边界会变得不那么明显。如今，用户仍然会按步骤思考：我需要起草合同、审阅合同、获得批准、签署、存档，然后进行管理。随着智能体能力增强，人们不应再需要亲自协调所有这些系统和工作流程。他们只需表达自己的意图，就可以让专门的智能体处理背后的许多工作。

不过，更大的变化会发生在签署之后。如果AI能够理解数百万份协议中的每项义务、商业条款、风险和关系，合同智能的用途就会远远超出法务领域。对我来说，令人振奋之处就在于：合同终于成为所有人的业务。

所以我不认为合同会消失。恰恰相反，合同会变得更加重要，因为它们为企业AI提供可信的背景信息。Sirion的目标，是让人们在工作发生的任何地方都能运用这些智能。CLM最终或许不再像一个独立的目的地，而更像一个智能与执行层，将企业作出的承诺与日常采取的行动连接起来。

感谢您接受这次精彩的采访。希望了解更多信息的读者，请访问Sirion。